機器學習: 入門

現在機器學習是十分火爆，這也帶起了 Python 的潮流，這篇文章將簡要概括機器學習裏的一些重要概念，作爲機器學習的入門博文。

問題類型

機器學習不是說學習就學習的，它的出現是爲了解決一些問題的，而這些問題一般不能通過直接編程去解決如計算 999 * 999 是多少。這些問題需要數學裏的機器重複做一些事來發現問題中的規律，並利用這個規律來到達某個效果。如下圍棋，爲了可以成爲高手，人類可能要下成千上萬盤棋才能總結出規律，現在有計算機，它可以幫我們下棋去總結規律，這就是機器學習。

常見問題類型如下。

監督學習

給你數據集，數據集裏輸入 x 和輸出 y，然後找一個機器學習算法去訓練出一個模型，這個模型就可以幫我們在給定 x 值後去預測 y 值。

監督學習裏還包含迴歸問題和分類問題，迴歸問題一般是有連續性的，如去預測 300 天后的銷售額。分類問題一般是離散的，如判斷這封郵件是否是垃圾郵件。

無監督學習

給你數據集，數據集裏只有輸入 x 值，然後找一個機器學習算法去訓練一個模型，這個模型就首先會尋找 x 值中蘊含的規律，並將這些規律分類成一些 y 值，然後在給定 x 值後去預測對應 y 值。

半監督學習

這種學習方法就是上面兩種的結合，給你數據集，裏面有輸入值 x 和輸出值 y，不同的是有些 x 值沒有對應的 y 值，然後還是和上面一樣，找個算法，造個模型，對給定 x 值去預測 y 值，當然這個 y 值有可能是一個新類。

下面先從監督學習開始說，這篇文章是入門文章，所以只是提一些概念。

圖解監督學習

監督學習的“流程圖”如下所示。

其中 Training Data 就是給定的數據集， Learning Algorithm 是我們找的一個機器學習算法，Program (Learner) 一般是我們寫的預測給定值的程序。Score Performance 一般是指損失函數，用於判斷預測效果。

一些讓人頭大的字母

變量	含義
x	特徵值，我的理解是輸入參數
y	x 對應的 y 值
$\hat{y}=f(x: \theta)$	預測值
$\theta$	機器學習算法裏的參數，注意：這個 $\theta$ 是個向量，裏面存着算法裏不只一個參數